ra-seleção-de-tópicos
Objetivo
Traduzir a entrada em linguagem natural do usuário para operações de arquivos. O usuário apenas fala: anotar inspiração, dar link, definir formato, reportar publicação. Criar cartão, lavar roteiro, criar entrada, mover cartão, registrar kanban — tudo feito por esta skill.
Modelo central
- Cartão de tópico = Registro de identidade:
01-produção-de-conteúdo/00-pool-de-tópicos/YYYY-MM-DD-<tema>.md(conforme_modelo-cartão-tópico.md). Apenas ideias, fontes, julgamentos e destinos de projeto; o corpo do texto sempre reside na bancada correspondente. - Projeto = o momento de decidir o formato: Um tópico pode ter vários formatos; cada formato cria uma entidade em sua própria bancada, e o cartão registra
- formato → [[link]]. - O cartão não move arquivos: Ao projetar, apenas altera o status do frontmatter para
projetado, e o cartão permanece em seu lugar original em00-pool-de-tópicos/. - Garantia de integridade do registro de identidade: Qualquer ação de projeto que não encontre um cartão primeiro cria automaticamente um cartão antes de prosseguir (incluindo casos de envio direto de link para lavagem de roteiro).
Tabela de verbos
1. Registrar tópico (inspiração xx / ideia xx / registrar tópico xx / salvar este link por enquanto)
- Criar cartão em
00-pool-de-tópicos/: palavras originais do usuário + resumo em uma frase + pistas de material; se houver link, registrar emfonte:; se for possível analisar o ID da postagem da plataforma, preencher tambémfonteID:(<plataforma>:<id_postagem>) - Status = ideia; responder com o caminho do cartão, sem perguntar ou expandir
2. Aprofundar tópico (aprofundar xx / pensar mais claramente em xx)
- Encontrar o cartão (por nome de arquivo ou título), pesquisar no banco de materiais/metodologia e escrever ângulo, gancho e exemplo na "nota de aprofundamento"
- Status = aprofundando (cartões já projetados não alteram status)
- Limite da regra de linguagem natural: o corpo da nota (ângulo/argumento/material/julgamento de tráfego) pode ser escrito livremente, priorizando densidade de informação, sem passar pelo fluxo completo de
ra-linguagem-natural; mas frases candidatas a gancho, frases de abertura, direções de título e frases de efeito que vão diretamente para o rascunho final devem seguir a proibição estrita dera-linguagem-natural(não usar "não é A, mas B", realmente/na verdade/essencialmente, tom de palestra com dois pontos, início de modelo imperativo). A revisão completa e o portão de qualidade da linguagem natural ocorrem na etapa de projeto e lavagem de roteiro, não se repetindo na etapa de aprofundamento.
3. Projetar (criar/fazer + formato; pode combinar "fazer vídeo, artigo e imagem")
Roteamento por formato, cada formato concluído adiciona uma linha ao cartão "projetado" e, em seguida, move o cartão:
| Formato | Fluxo | Localização |
|---|---|---|
| Vídeo (montagem por IA) | Se houver link, vai para ra-pipeline-lavagem-video; se for apenas ideia/texto, vai para ra-lavagem-roteiro | Roteiro de entrega → bancada-video/a-fazer/<data-tema>/roteiro-entrega.md |
| Vídeo (gravação própria) | Lavar roteiro para produzir roteiro palavra por palavra para gravação, com anotação no início "gravação própria" | bancada-video/roteiro-palavra-por-palavra/ |
| Artigo | Se houver link, primeiro extrair texto fonte: vídeos do Douyin/Xiaohongshu usam ra-skill-extração-roteiro-palavra-por-palavra; vídeos do Bilibili/YouTube etc. reutilizam a etapa de extração do ra-pipeline-lavagem-video; páginas web/tweets usam Jina (https://r.jina.ai/<url>) para ler o corpo — materiais fonte sempre salvos em bancada-video/.internal/ → lavar em artigo longo (ra-linguagem-natural + metodologia/metodologia de abertura de conta pública WeChat), executar dbs-ai-check para diagnosticar e corrigir impressões digitais específicas → criar entrada conforme _modelo-artigo.md (uma pasta por artigo, com artigo principal + assets/, apenas o artigo principal é salvo) | bancada-artigo/em-criação/ + registrar no kanban de publicação como "a revisar" |
| Imagem e texto | Lavar em texto do Xiaohongshu + dbs-xhs-title para candidatos a título, gerar roteiro de entrega conforme _modelo-entrega-imagem-texto.md (criação de imagens fica com Codex) | bancada-imagem-texto/a-fazer/ |
4. Publicar e arquivar (xx publicado / xx precisa de alteração)
- Publicado: marcar a linha no kanban e mover para o registro "publicado" (data/plataforma); mover a entrada do artigo de
a-publicar/parapublicado/ - Precisa de alteração: mover/de volta para o kanban como "a revisar"
5. Inspiração para curso (isto pode entrar no curso / inspiração para curso xx / #inspiraçãocurso)
- Adicionar uma linha em
02-sistema-de-cursos/banco-de-tópicos-de-curso/registro-inspirações.md:- YYYY-MM-DD ｜ inspiração em uma frase ｜ relacionado a: [[cartão-tópico ou obra]] - Apenas acumular, sem expandir estrutura de curso (manter a linha mais fina até o início das operações)
6. Recomendação de tópicos (me dê N tópicos / ajude-me a gerar um lote de tópicos)
Coletar materiais de quatro fontes, gerar N candidatos (padrão 10):
- Banco de sucessos na nuvem: Executar
automation/scripts/hot_monitor_local_job.sh read boomspara ler até 30 candidatos leves dos últimos 90 dias, primeiro filtrar por R/M, life e assunto; para amostras selecionadas, executarautomation/scripts/hot_monitor_local_job.sh read work <ID-obra-nuvem>para ler L1/roteiro palavra por palavra/histórico de métricas. Tópicos de tendência que já passaram da janela (data de publicação > life_window_days) não recomendam o tópico em si, apenas extraem o tipo de questão (como "balanço mensal", "entrevista de rua", "marketing sazonal") e o transformam em novos tópicos atuais; tópicos perenes podem ser seguidos diretamente - Oportunidades dos últimos 3 dias: Executar
automation/scripts/hot_monitor_local_job.sh read recent 3 200 0, ler todas as novas obras dos últimos 3 dias na nuvem (incluindo obras não avaliadas como sucesso e YouTube); sehas_more=true, continuar lendo comnext_offsetatéhas_more=false. Para confirmar a cobertura de contas, executarautomation/scripts/hot_monitor_local_job.sh read creators. O servidor já escaneia uniformemente as contas de referência do Douyin, Xiaohongshu e YouTube; por padrão, não chama o TikHub novamente para coleta repetida - Dados do próprio canal: No livro de registros
estatísticas/, priorizar a ampliação de tópicos com alto R do próprio canal - Filtro de posicionamento: Comparar com
posicionamento-pessoal.md; tópicos gerais que se desviam do posicionamento mas têm alto potencial de tráfego não são rebaixados (princípio de prioridade de tráfego) - Comparação de lavados (regra dura): A saída da nuvem das fontes 1 e 2 deve primeiro passar pelo livro de registros antes de entrar na filtragem — anexar ao final do comando um pipe
| python3 automation/scripts/wash_ledger.py filter(exemplo:bash automation/scripts/hot_monitor_local_job.sh read booms | python3 automation/scripts/wash_ledger.py filter). Itens marcadoswashed: truesão mantidos em exibição, mas devem trazer a marca "lavado → <produção>" e não podem ser recomendados como novos tópicos;washed_match.status=skippedmarca "decidido não fazer";washed_suspectmarca "suspeito de já lavado". Ao relatar candidatos, informar quantos foram lavados/não feitos/suspeitos neste lote
Formato de cada candidato: tópico em uma frase ｜ evidência (sucesso fonte + R/M ou dados de nova obra de referência) ｜ janela de oportunidade ｜ formato sugerido (longa-metragem prática/montagem por IA/gravação própria/imagem e texto/artigo) ｜ previsão de ângulo
Usuário seleciona → criar cartão: para candidatos da nuvem, extrair platform/post_id do JSON filtrado, montar link padrão por plataforma e registrar em fonte: (douyin→https://www.douyin.com/video/<post_id>, xhs→https://www.xiaohongshu.com/explore/<post_id>, youtube→https://www.youtube.com/watch?v=<post_id>), preencher também fonteID: (<plataforma>:<id_postagem>) → projetar por formato; longa-metragem prática rotear para ra-planejamento-prático. Ao registrar a produção final no livro de registros da lavagem, incluir --work-id <ID-obra-nuvem>.
Se a leitura da nuvem falhar, relatar claramente, sem recorrer ao arquivo deletado _banco-sucessos.jsonl / _pool-contas.md, nem usar dados históricos de análise-profunda/ como dados em tempo real.
Regras rígidas
- Muro de privacidade para todos os formatos: Link fonte, título fonte, roteiro palavra por palavra fonte só podem aparecer no campo
fonte:do cartão de tópico e embancada-video/.internal/; todos os rascunhos finais, roteiros de entrega e entradas de bancada têm zero informações da fonte. Exceto quando o usuário solicitar explicitamente a marcação da referência. - Livro de registros de lavagem para desduplicação: O livro de registros fica em
bancada-video/.internal/livro-lavagem.jsonl(área de privacidade da fonte), ferramentaautomation/scripts/wash_ledger.py. A leitura da nuvem para recomendação de tópicos deve passar porfilter; antes de projetar e lavar qualquer formato, deve passar porcheck(se "lavado" for encontrado, parar e aguardar confirmação do usuário); após a finalização do roteiro de entrega/rascunho final, a lavagem registra comadd. O conteúdo do livro de registros só é relatado ao usuário na conversa, não entra em nenhum rascunho final. - O usuário nunca deve ser solicitado a mover arquivos; esta skill faz isso e relata cada movimento na resposta.
- Divisão de trabalho de registro no kanban: artigos concluídos são registrados por este lado; entrega de vídeo/imagem-texto é registrada pelo lado de produção (Codex).
- Projetar vídeo ainda segue o esquema de duas etapas: por padrão, vai apenas para a fila "a fazer", e só continua para produção se o usuário disser "fazer diretamente/produzir diretamente/um serviço completo".